一种视网膜母细胞瘤分期模型构建方法及标志物技术

本发明专利技术公开了一种视网膜母细胞瘤分期模型构建方法，涉及代谢组学分析技术领域，包括使用激光解吸电离质谱技术，进行患者房水样品代谢指纹谱图成像；对代谢指纹谱图进行机器学习，实现对视网膜母细胞瘤分期的准确预测；对房水中生物标志物进行鉴定，通过生物标志物组合实现对视网膜母细胞瘤分期的准确预测，本发明专利技术实现了房水代谢指纹谱图高通量，高灵敏度，高信号数量以及高可重复性检测，有效解决了传统技术样本量较大以及预处理复杂等缺陷。统技术样本量较大以及预处理复杂等缺陷。统技术样本量较大以及预处理复杂等缺陷。

【技术实现步骤摘要】
一种视网膜母细胞瘤分期模型构建方法及标志物


[0001]本专利技术涉及代谢组学分析
，尤其涉及一种基于代谢组学和机器学习技术的视网膜母细胞瘤分期模型构建和标志物鉴定。

技术介绍

[0002]视网膜母细胞瘤(Retinoblastoma,RB)是最常见的儿童眼内恶性肿瘤，约占儿童恶性肿瘤的10％，如果不及时进行治疗，RB可能导致儿童完全失明甚至死亡，及时准确地对RB进行诊断和分期是其管理的关键。
[0003]在发达国家，RB的有效监测可使其5年生存率达到95％，同时显著降低患者的医疗成本，提高视力质量。然而，传统的RB检测方法需要结合眼底检查、影像学检查以及肿瘤组织病理检查，操作复杂，费用高，并且需要有经验的操作人员。此外，由于RB具有松散性质，在眼摘前对其肿瘤组织进行活检可能会导致其眼外扩散。
[0004]在资源有限的地区，RB监测仍然不足，其死亡率甚至可能达到70％以上。因此，亟需发展新的RB监测工具，特别是对资源有限的地区。
[0005]生物体液中的生物标记物检测正在取代传统的活检和成像技术，从细胞到分子水平对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视网膜母细胞瘤分期模型构建方法，其特征在于，包括以下步骤：步骤1、使用LDI
‑
MS技术，进行RB病人房水样品代谢指纹谱图成像；步骤2、对RB病人房水代谢指纹谱图进行机器学习，实现对RB分期的准确预测；步骤3、进行房水中生物标志物鉴定，通过生物标志物组合实现对RB分期的准确预测。2.如权利要求1所述的视网膜母细胞瘤分期模型构建方法，其特征在于，所述步骤1具体包括：步骤1.1、采集RB早期患者和晚期患者房水样本，作为分析样本，并准备去离子水、纳米颗粒基质、LDI
‑
MS；步骤1.2、稀释采集的房水样本：用去离子水稀释5倍；步骤1.3、配置纳米颗粒基质溶液；步骤1.4、样品制备：取步骤1.2稀释后的房水样本1μL点样在LDI
‑
MS质谱靶板上，室温下干燥；步骤1.5、纳米颗粒基质制备：取步骤1.3纳米颗粒基质溶液1μL点样在LDI
‑
MS质谱靶板上，室温下干燥；步骤1.6、指纹谱图成像：在LDI
‑
TOF
‑
MS中进行房水样本代谢指纹谱图成像。3.如权利要求2所述的视网膜母细胞瘤分期模型构建方法，其特征在于，步骤1.3中纳米颗粒基质溶液终浓度是采用去离子水配成1mg/mL。4.如权利要求1所述的视网膜母细胞瘤分期模型构建方法，其特征在于，所述步骤2使用python 3.8进行数据分析，具体步骤包括：步骤2.1、对步骤1.6获得的指纹谱图进行预处理，包括数据重采样、谱线平滑、基线校正、谱峰联配以及缺失值填充，得到m/z信号；步骤2.2、使用弹性网络算法对m/z信号进行特征选择(C＝1,l1_ratio＝0.65)，并设置弹性网络算法中系数的阈值，得到m/z特征；步骤2.3、将采集的患者样本数据划分成训练集和测试集；步骤2.4、使用20次重复的5折交叉验证对岭回归在训练集上进行l2参数优化以及模型训练，得到岭回归在训练集上的性能；步骤2.5、对步骤2.4中训练好的模型在测试集进行...

【专利技术属性】
技术研发人员：钱昆，刘万山，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：